A topikmodellezés dokumentumok klaszterezésére szolgáló valószínűség alapú eljárás, amely a felügyelet nélküli tanulások körébe tartozik. Alkalmazása során az algoritmus szógyakoriságot állapít meg minden témához, majd az egyes dokumentumokhoz hozzárendeli az adott témák valószínűségét.  (Burtejin 2016; Grimmer and Stewart 2013; Tikk 2007; Sebők et al, 2021). Az egyik leggyakrabban alkalmazott topikmodellezési eljárás, a Látens Dirichlet Allokáció (LDA) alapja az a feltételezés, hogy minden korpusz témák keverékéből áll, ezen témák pedig statisztikailag a korpusz szókészlete valószínűségi függvényeinek (eloszlásának) tekinthetőek (Blei, Ng, and Jordan 2003). 

Kutatásunkban a magyarországi kollektivizálás második hullámát vizsgáltuk topikmodellezés alkalmazásával. Írásunk célja annak illusztrálása, hogy az egyre nagyobb számban elérhető digitális gyűjteményeknek a hazai történettudomány számára még részben újfajta módszerekkel történő elemzése milyen lehetőségeket és korlátokat rejt magában. Elemzésünk a korai Kádár-korszak agrárpolitikai jogszabályalkotásának vizsgálatát végzi el, arra a fő kutatási kérdésre keresve a választ, hogy milyen módon tükröződik vissza a jogszabályalkotásban a korszak gazdaságpolitikája, milyen módon reagált a jogszabályalkotás a korszak gazdaság- és társadalompolitikai változásaival kapcsolatban felmerülő szabályozási igényekre.

Az teljes publikáció elérhető itt.